このスキルは、Tavilyの抽出APIを使用して、特定のURLからクリーンなマークダウンまたはテキストコンテンツを抽出します。カスタムスクレイピングコードを書くことなく、リサーチ、ドキュメント取得、コンテンツ集約に最適です。

データベースのパフォーマンスが低いと、アプリケーションが極端に遅くなることがあります。このスキルでは、インデックス、クエリ最適化、接続管理、セキュリティ、スキーマ設計に関する27の最適化されたPostgreSQLパターンを提供し、10〜100倍のパフォーマンス向上を実現します。

Crawl4AIはJavaScript対応、スキーマベースの抽出、柔軟な出力形式を備えた効率的なWebスクレイピングを可能にします。ユーザーはコスト効率の良い自動化のためにLLMコールなしでデータを抽出したり、複雑なコンテンツにはLLMを活用した抽出を使用したりできます。

AIエージェントは過去の経験から学習して時間とともに改善することに苦労しています。ReasoningBankはAgentDBを使用した適応学習パターンを提供し、エージェントが軌跡を追跡し、結果を判断し、記憶を再利用可能なパターンに蒸留できるようにします。

従来のデータベースはセマンティック検索クエリに苦戦します。AgentDBは150倍高速なベクター演算を提供し、サブミリ秒の検索時間でインテリジェントなRAGシステムやナレッジベースを構築できます。

AgentDBのベクトル検索はデータ量が増加すると低速化し、アプリケーションの遅延が発生します。このスキルは、精度を維持しながら150倍高速な検索と4-32倍のメモリ削減を実現するための量子化とインデックス作成テクニックを提供します。

自己学習エージェントの構築には複雑な強化学習のセットアップが必要です。このスキルは、Decision Transformer、Q-Learning、Actor-Criticを含む9つのアルゴリズムのテンプレートとガイダンスを提供します。

サブミリ秒の同期と高度な検索機能を備えた洗練された分散AIシステムを構築。QUIC同期、カスタム距離メトリクス、ベクトル＋メタデータのハイブリッド検索を本番アプリケーション向けに実装する方法を学びます。

エージェントの品質を測定するには、構造化されたアプローチが必要です。このスキルは多次元評価ルブリクス、テストセット管理、本番環境モニタリングを提供し、エージェントの継続的な評価と改善を可能にします。

限定的なコンテキストウィンドウは複雑なタスクを制約し、APIコストを増加させます。このスキルは、コンパクト化、観測マスキング、KVキャッシュ最適化、コンテキスト分割を通じて、効果的なコンテキスト容量を2倍から3倍に向上させる実証済みの手法を提供します。

コンテキストは効果的なAIエージェントパフォーマンスの基盤です。このスキルでは、エージェントシステムにおけるコンテキストの理解、設計、最適化の方法を学びます。より有能なAIエージェントを構築するための、漸進的開示、注意機構、コンテキスト予算の原則を学習します。

LLM出力の手動評価は遅く、レビュアー間で一貫性がありません。このスキルは、LLMを判定者として用いる自動評価のための本番品質の手法を提供します。直接スコアリングのルーブリック、位置バイアス緩和を伴うペアワイズ比較、そして信頼度の校正を含みます。

このスキルは、Search、Speech、OpenAI、Vision、Translation、Document Intelligenceを含むAzure AIサービスの包括的なドキュメントとSDKリファレンスを提供します。開発者がAIソリューションに適���たAPIとコードパターンを素早く見つけるのに役立ちます。

JSONキャンバスは、Obsidianで使用される無限キャンバスデータのオープンファイル形式です。このスキルは、視覚的なキャンバス、マインドマップ、フローチャート用のノード、エッジ、グループ、接続を含む有効なJSONキャンバスファイルを作成するための包括的なドキュメントとガイダンスを提供します。

ZINCデータベースには薬物創薬研究用の230M以上の購入可能な化学化合物が含まれています。このスキルは、ZINC ID、SMILES、またはサプライヤーコードによる検索、3D構造の取得、仮想スクリーニングや分子ドッキング研究のための類似性検索をプログラム的にアクセスできます。

メモリ制限を超える大規模なデータセットの操作。Zarr-pythonは、圧縮されたチャンク配列ストレージにより、効率的なクラウドネイティブの科学計算ワークフローを実現します。

このスキルは、数式、フォーマット、データ分析を含むExcelスプレッドシートの作成、編集、分析を可能にします。また、数式を再計算し、パブリケーション品質の出力でゼロエラーを検証します。

RAMを超える大きな表形式データセットを処理するには、専用のツールが必要です。Vaexはコア外DataFrame操作、遅延評価、メモリに収まらないデータセットでの每秒10億行処理を可能にします。天文学データ、金融時系列、大規模な科学分析に最適です。

高次元データは可視化と分析が困難です。UMAPは構造を保持しながら次元を削減し、明確な2D/3D可視化とより優れたクラスタリング結果を実現します。

グラフニューラルネットワークは、薬物発見、ソーシャルネットワーク分析、レコメンデーションシステムなどの現代的なアプリケーションを支える技術です。このスキルは、PyTorch Geometricを使用したGNNの実装向けに、そのまま使用できるテンプレートとドキュメントを提供します。